Плагины

Консоль парка DeepSeek Harness: одна локальная страница dsh управляет множеством удалённых машин dsh — показывает состояние простоя/работы, переключает их на месте без новых вкладок, поддерживает iframe keep-alive, чтение сессий между устройствами, обновление/перезапуск одним нажатием и разделение ролей контроллера и управляемых машин.

Более спокойный режим чтения DeepSeek Harness: автоматическое сворачивание процесса, навигация по сообщениям в стиле мини-карты, поиск на странице, единые карточки ошибок и генеративные MCP Apps (SEP-1865) в sandbox iframe.

Плагин DeepSeek Harness: поиск видео Bilibili по ключевым словам, метаданные видео, расшифровки субтитров, прямые URL воспроизведения и мультимодальный просмотр кадров (bilibili_search / bilibili_video / bilibili_subtitles / bilibili_playurl / bilibili_frames). По умолчанию анонимный доступ.

Локальный в браузере набор инструментов для аудио/видео в DSH — извлечение кадров, захват миниатюр, сжатие изображений и конвертация клипов в GIF с помощью FFmpeg.wasm.

Registers the video-studio skill in the DSH skill catalog. It builds a Chinese-narrated video from a script: edge-tts synthesizes the narration, the timeline is derived from each line's measured audio duration rather than estimated from text length, Pillow renders every frame deterministically and pipes the raw frames to ffmpeg as rawvideo, burned-in subtitles and SRT/ASS export come from that same timeline, physical-model sound effects and a generated score are mixed sample by sample with numpy, and QA runs in four layers: container, signal, temporal and page level (the page layer only when the browser engine is used). An optional Playwright-driven browser engine renders the whole film as Canvas2D instead, sending PNG frames through image2pipe. Needs network access for the narration, ffmpeg on PATH and Python with numpy, Pillow and edge-tts; the browser engine also needs Playwright with a local Edge/Chromium.

Drives Windows apps through accessibility controls instead of pixels, with a takeover overlay that frames the window being driven, marks each action with a ghost cursor, and stops on Esc; a browser lane adds sign-in profiles, saved state, and attach-to-my-Chrome. Windows only, and DSH must be run as Administrator for the desktop lane.

Downloads a video link, samples frames from it, and transcribes the speech with Groq Whisper so an agent can answer questions about what the video shows; long audio is split into 15-minute windows to stay under the upload limit, and frames still come back without a key, which only the transcript needs. Needs ffmpeg, ffprobe and yt-dlp on PATH.

A conversation-view tab for turning one local reference video into a human-curated shot list. ffmpeg scdet finds shot boundaries, each shot gets one timecoded thumbnail, you untick what you do not need, and the export writes frames.csv (UTF-8 BOM), shots.json, numbered JPEG frames and a labelled contact sheet. Local-only, no upload, zero runtime dependencies, 39 node --test tests including a real-ffmpeg integration case. Requires ffmpeg 5.1+ (with ffprobe) installed separately.

Pull frames and audio out of a local video with ffmpeg and hand back plain file paths, so the agent can look at the frames with its own vision. Five tools: probe, evenly spaced frames, one frame at a timestamp, scene-change frames (the practical version of frame-by-frame), and audio extraction. No models, no uploads, no routing guesswork.

Serial-port toolkit for DSH - 9 tools plus a web UI where an AI agent and a human share one UART line, with auto port matching, hex/text frames, timestamps, scheduled sends, rule-based auto-recovery and appearance themes. The serial engine runs on Python 3.8+ — DSH's bundled interpreter is used when present, otherwise python / py -3 on PATH.

Runs the local llama.cpp Qwen3.5-4B from a Settings page — Windows only, NVIDIA GPU (8 GB VRAM handles the 4B Q4) — with start, stop and restart, launch parameters, deployment paths with a presence check, provider-route and compaction-policy sync in the profile patch, a loopback request-capture proxy, and a local_worker tool that hands translation, OCR and video-frame chores to the local model by file path. Needs llama-server.exe (verified on b12069) and Qwen3.5-4B GGUF + mmproj files on disk; video frames also need ffmpeg.

Screen frames, log lines and (on Windows) key/mouse input on one millisecond timeline: record, mark the failing seconds, box the problem on the frame, then hand the agent a keyframe strip, an animated GIF and the aligned log slice.

Local video understanding for agents: extracts keyframes adaptively based on motion and pauses, inspects any timestamp at full resolution, and aligns visuals with dialogue from embedded subtitles or configured ASR. Requires ffmpeg and ffprobe; clips without subtitles also need a transcription engine for dialogue (a ~190 MB local whisper model, a cloud API key, or the official voice-input model).

Local searchable archive of DSH chat history: decodes the multi-frame zstd session logs (thousands of concatenated frames), extracts user and assistant text into SQLite, and exposes sync / search / stats tools. Idempotent imports, no external service, nothing leaves the disk.

Video study toolkit for DeepSeek Harness: fetch a public Bilibili single part or YouTube video, sample every 3 seconds plus change-triggered frames, transcribe locally with faster-whisper, page through section grids, and render a 16:9 study deck. Windows only, and needs the DSH pwsh tool plus Python 3.12 x64 with Pillow and FFmpeg/FFprobe; fetching adds yt-dlp, transcription needs faster-whisper with your own local model files, and deck output needs python-pptx.

Wandering Earth 550C control-room palette for the DSH Web UI, with dim 2px frames and amber selection states.

Читает видео текстовой моделью: при установленном ffmpeg извлекает кадры с интервалом 0,1–10 секунд в контактные листы, где у каждого кадра указан реальный timecode; аудиодорожка отправляется в iTingnao для транскрипции с метками времени (нужен ITINGNAO_API_KEY), а листы описывает модель хоста с поддержкой изображений. Другой vision plugin не нужен. Интервал задаётся slider в composer; аудиофайлы транскрибируются без выборки кадров.

Видеоплеер в правой боковой панели: плейлист папки с миниатюрами первого кадра и длительностью, сортировка по имени/длительности/времени изменения/размеру, полноэкранный режим и контекстное меню для переименования, копирования, удаления и обновления, если папка открыта с правом записи. В реальном времени показывает буферизацию, декодированные FPS и пропущенные кадры. Режим чтения MP4/MOV отображает профиль/уровень кодека, точное число кадров, битрейт каждой дорожки и поворот. Инструменты агента не регистрируются; запись файлов выполняется через браузерный File System Access API только после выбора папки с правом записи.

Добавляет понимание видео текстовому агенту: извлекает кадры с отметками времени, выбирает их только при смене сцены, экспортирует GIF-клипы, проверяет метаданные и разово анализирует все кадры. Пять инструментов запускают локальный ffmpeg через массивы argv, не строку shell.

Переносит workspace по умолчанию с системного диска. Штатное поведение DSH открывает каждый новый Session в `<Documents>/deepseek-harness/default-workspace` и сохраняет этот стандартный путь; плагин переносит его, не нарушая работу сохранённых сессий. Переписывает запись workspace без перезапуска, предоставляет те же три действия, что GUI-панель, переносит логи вместе с cwd заголовка и переоформляет логи, где первый frame не состоит ровно из одной строки заголовка. Требуется desktop host (workspaceRegistry и sessionPersistence).

Читает видео- и аудиофайлы: метаданные, выбранные стоп-кадры, субтитры и многоязычную расшифровку речи с метками говорящих. Также захватывает рабочий стол в виде кадров или записи. При первом запуске устанавливает ffmpeg/whisper.cpp/sherpa-onnx и проверяет sha256 каждого файла; обработка остается локальной. Автоустановка инструментов и захват рабочего стола сейчас доступны только в Windows x64; в других системах пути ffmpeg и моделей задаются вручную.

Хранит локальный словарь стикеров с ключом-хешем содержимого: ранее описанное изображение извлекается без повторного чтения. GIF разбивается на равномерно выбранные кадры, размещенные на одном контактном листе, чтобы видеть всю анимацию.

Пакет ComfyUI для продакшена в DeepSeek Harness: отправляет API-форматные процессы на локальный или удаленный сервер, генерирует результаты пакетами и получает их, диагностирует дефектные изображения по измеренным диапазонам параметров и дереву сбоев (черные кадры, дубли объектов, цветные ореолы, OOM).

Отложенный просмотрщик сессий только для чтения: показывает список сессий, получая только stat, а для просмотра недавних событий распаковывает лишь конечные Zstandard-фреймы. Есть поиск, статистика и экспорт в отдельной панели /lazyview. Требуется Node.js 24+.